AU - Ghahvechi Khaligh,, Haniyeh AU - Pourasad, Yaghoub AU - Moghadas Gholian, Serly TI - Classification of Lung nodules using textural and geometric features PT - JOURNAL ARTICLE TA - RJMS JN - RJMS VO - 27 VI - 4 IP - 4 4099 - http://rjms.iums.ac.ir/article-1-6145-fa.html 4100 - http://rjms.iums.ac.ir/article-1-6145-fa.pdf SO - RJMS 4 AB  - زمینه و هدف: از آنجایی که تشخیص غدد سرطانی و بدخیم ریه با استفاده از روش‌های عکس‌برداری نظیر CT -Scan و بدون نیاز به نمونه‌برداری باعث کاهش ریسک پخش شدن ندول سرطانی می‌شود، بنابراین توسعه یک سیستم تشخیصی کامپیوتری جهت پردازش تصاویر و غدد ریوی و سپس طبقه‌بندی آن‌ها به دو دسته خوش خیم و بدخیم، در تشخیص زودهنگام سرطان ریه و نجات جان بیماران نقش بسزایی ایفا می­کند. هدف از این پژوهش، دستیابی به دقت طبقه‌بندی بالاتر و در نتیجه دقت تشخیص بالاتر غده­های بدخیم و خوش خیم می­باشد. روش کار: در این پژوهش الگوریتم‌هایی که پیش از این برای طبقه‌بندی غدد ریوی استفاده شده، معرفی می­شود و در نهایت الگوریتم پیشنهادی ارائه می­شود. در الگوریتم پیشنهادی ابتدا تصاویر سی تی اسکن ریه پیش پردازش شده و سپس به وسیله کانتور فعال چن-وسه، ناحیه ندول استخراج می­شود. از ناحیه قطعه­بندی شده، ویژگی‌های هیستوگرام، بافت و هندسی استخراج می­شود. سپس این ویژگی‌ها با استفاده از دو طبقه بند SVM و KNN، ندول‌های ریوی را به دو دسته خوش خیم و بدخیم طبقه بندی می­کنند. یافته‌ها: نتایج حاصل از پیش­پردازش‌­های اعمالی بررسی می­گردد. سپس تصاویر پیش­پردازش­ شده توسط الگوریتم چن-وسه قطعه­بندی شده و ناحیه استخراج شده و تحت الگوریتم­ های استخراج ویژگی قرار گرفته و 25 ویژگی مختلف بافتی و هندسی برای هر غده از این نواحی استخراج می­گردد. در مرحله آخر، توسط داده­های استخراج شده، طبقه­بند­های SVM و KNN اقدام به طبقه­بندی غدد می­کنند. معیارهای دقت، حساسیت و میزان اختصاصی بودن در طبقه بند برتر % 8/90، % 100 و 89% بدست می­آید. نتیجه‌گیری: این روش علاوه بر دقت بالا در تشخیص، روشی کم هزینه و کم خطر نیز می‌باشد. روش پیشنهادی بخاطر دارا بودن حساسیت بسیار بالا و همچنین دارا بودن مقادیر مطلوب دو معیار دقت و میزان اختصاصی بودن و تعداد پایین ویژگی­های مورد استفاده جهت طبقه­بندی، بعنوان یک روش کارآمد و مناسب جهت طبقه­بندی غدد ریوی پیشنهاد می­گردد. CP - IRAN IN - LG - eng PB - RJMS PG - 106 PT - Research YR - 2020